Microsoft ma powody, by szczycić się dokładnością, z jaką jego Face API wyczytuje z wizerunku twarzy takie cechy, jak wiek, płeć i emocje. Technologia nie działała oczywiście idealnie i miała pewne trudności, np. kiedy kolor skóry osoby na zdjęciu był ciemniejszy. Wówczas wskaźnik błędu wielokrotnie wzrastał. Microsoft twierdzi, że problem udało mu się rozwiązać, dzięki czemu jego sztuczna inteligencja jest teraz dużo dokładniejsza.
Did you just assume my gender? Na takie pytanie inteligentna aplikacja do rozpoznawania twarzy z większą śmiałością może teraz udzielić twierdzącej odpowiedzi. Wcześniejsze raporty wskazywały, że technologia lepiej rozpoznawała płeć ludzi o jaśniejszej karnacji. Najdokładniejsze wyniki generowane były dla mężczyzn o jaśniejszej skórze, najmniej dokładne - dla kobiet o skórze ciemniejszej. Dzięki wprowadzonym poprawkom technologia będzie w stanie zredukować wskaźnik błędu dla mężczyzn i kobiet o ciemniejszej skórze nawet 20-krotnie, zaś w przypadku samych kobiet - 9-krotnie.
Dlaczego AI nie radziła sobie dotąd najlepiej z osobami ciemnoskórymi? "Wyższe wskaźniki błędów dla kobiet o ciemniejszych odcieniach skóry uwydatniają wyzwanie, stojące przed całą branżą: technologie sztucznej inteligencji są tylko tak dobre, jak dane, użyte do ich treningu. Jeśli system rozpoznawania twarzy ma działać dobrze dla różnych ludzi, zestawy danych treningowych muszą odzwierciedlać różnorodność odcieni skóry oraz innych czynników, takich jak fryzura, biżuteria i pomoce wzrokowe" - wyjaśnia Microsoft.
Zespół odpowiedzialny za rozwój technologii rozpoznawania twarzy w Microsoft, dostępnej za pośrednictwem Interfejsu API rozpoznawania twarzy w Azure Cognitive Services, współpracował z ekspertami od uprzedzeń i sprawiedliwości, by usprawnić system zwany klasyfikatorem płci (gender classifier), skupiając się zwłaszcza na osiąganiu lepszych rezultatów dla wszystkich odcieni skóry. Ostatecznie wprowadzono trzy główne zmiany - rozszerzono i przejrzano zestawy danych treningowych i benchmarkowych, włączono nowe kolekcje danych i poprawiono klasyfikator, by rezultaty były bardziej precyzyjne.
341f31d.png)